MySQL 5.7 深度解析: 中文全文检索

全文检索在MySQL里面很早就支持了，只不过一直以来只支持英文。缘由是他从来都使用空格来作为分词的分隔符，而对于中文来讲，显然用空格就不合适，需要针对中文语义进行分词。这不，从MySQL 5.7开始，MySQL内置了ngram全文检索插件，用来支持中文分词，并且对MyISAM和InnoDB引擎有效。

在使用中文检索分词插件ngram之前，先得在MySQL配置文件里面设置他的分词大小，比如，

[mysqld]
ngram_token_size=2

每次修改ngram_token_size后 需要  OPTIMIZE TABLE TABLE_NAME 

这里把分词大小设置为2。要记住，分词的SIZE越大，索引的体积就越大，所以要根据自身情况来设置合适的大小。

示例表结构：

CREATE TABLE articles (
            id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
            title VARCHAR(200),
            body TEXT,
            FULLTEXT (title,body) WITH PARSER ngram   //关建行
        ) ENGINE=InnoDB CHARACTER SET utf8mb4;

最后记得 OPTIMIZE TABLE table_name 重建索引(需要定期执行)

当然，在已有的表中新建可以采用Alter语句如:

ALTER TABLE table_name ADD FULLTEXT INDEX ft_name  (`name`, `company_code`, `office_address`) WITH PARSER ngram;

示例数据，有6行记录。

mysql> select * from articles\G
***************************1. row ***************************
     id: 1
title: 数据库管理
 body: 在本教程中我将向你展示如何管理数据库
***************************2. row ***************************
     id: 2
title: 数据库应用开发
 body: 学习开发数据库应用程序
***************************3. row ***************************
     id: 3
title: MySQL完全手册
 body: 学习MySQL的一切
***************************4. row ***************************
     id: 4
title: 数据库与事务处理
 body: 系统的学习数据库的事务概论
***************************5. row ***************************
     id: 5
title: NoSQL精髓
 body: 学习了解各种非结构化数据库
***************************6. row ***************************
     id: 6
title: SQL 语言详解
 body: 详细了解如果使用各种SQL
6 rows inset (0.00 sec)

显式指定全文检索表源

mysql> SET GLOBAL innodb_ft_aux_table="new_feature/articles";   //new_feature为数据库名称, articles为表名称
Query OK, 0 rows affected (0.00 sec)

通过系统表，就可以查看到底是怎么划分articles里的数据。

mysql> SELECT *FROM information_schema.INNODB_FT_INDEX_CACHE LIMIT 20,10;
+------+--------------+-------------+-----------+--------+----------+
| WORD | FIRST_DOC_ID | LAST_DOC_ID | DOC_COUNT | DOC_ID| POSITION |
+------+--------------+-------------+-----------+--------+----------+
| 中我   |            2 |           2 |         1 |     2 |       28 |
| 习m    |            4 |           4 |         1 |      4 |      21 |
| 习了   |            6 |           6 |         1 |      6 |      16 |
| 习开   |            3 |           3 |         1 |      3 |      25 |
| 习数   |            5 |           5 |         1 |      5 |      37 |
| 了解   |            6 |           7 |         2 |      6 |      19 |
| 了解   |            6 |           7 |         2 |      7 |      23 |
| 事务   |            5 |           5 |         1 |      5 |      12 |
| 事务   |            5 |           5 |         1 |      5 |      40 |
| 何管   |            2 |           2 |         1 |      2 |      52 |
+------+--------------+-------------+-----------+--------+----------+
10 rows in set (0.00 sec)

这里可以看到，把分词长度设置为2，所有的数据都只有两个一组。上面数据还包含了行的位置，ID等等信息。
接下来，我来进行一系列检索示范，使用方法和原来英文检索一致。

1. 自然语言模式下检索：
   1. 得到符合条件的个数，

      mysql>SELECT COUNT(*) FROM articles
      -> WHERE MATCH (title,body) AGAINST ('数据库' IN NATURALLANGUAGE MODE);
      +----------+
      | COUNT(*) |
      +----------+
      |       4  |
      +----------+
      1 row in set (0.05 sec)
      

   2. 得到匹配的比率，

       mysql>SELECT id, MATCH (title,body) AGAINST ('数据库' IN NATURAL LANGUAGE MODE)
       AS score FROM articles;
      +----+----------------------+
      | id| score                |
      +----+----------------------+
      |  1 | 0.12403252720832825 |
      |  2 | 0.12403252720832825 |
      |  3 |                   0 |
      |  4 | 0.12403252720832825 |
      |  5 | 0.062016263604164124|
      |  6 |                   0 |
      +----+----------------------+
      6rows in set (0.00 sec)
      

2. 布尔模式下搜索，这个就相对于自然模式搜索来的复杂些：
   1. 匹配既有管理又有数据库的记录，

      mysql> SELECT * FROM articles WHERE MATCH (title,body)
              ->     AGAINST ('+数据库 +管理' IN BOOLEAN MODE);
      +----+------------+--------------------------------------+
      | id| title      | body                                  |
      +----+------------+--------------------------------------+
      |  1 | 数据库管理  | 在本教程中我将向你展示如何管理数据库       |
      +----+------------+--------------------------------------+
      1 rowin set (0.00 sec)
      

   2. 匹配有数据库，但是没有管理的记录，

      mysql> SELECT * FROM articles WHERE MATCH (title,body)
              ->     AGAINST ('+数据库 -管理' IN BOOLEAN MODE);
      +----+------------------+----------------------------+
      | id| title             | body                       |
      +----+------------------+----------------------------+
      |  2 | 数据库应用开发     | 学习开发数据库应用程序         |
      |  4 | 数据库与事务处理   | 系统的学习数据库的事务概论      |
      |  5 | NoSQL 精髓       | 学习了解各种非结构化数据库      |
      +----+------------------+----------------------------+
      3 rows in set (0.00 sec)
      

   3. 匹配MySQL，但是把数据库的相关性降低，

      mysql> SELECT * FROM articles WHERE MATCH (title,body)
              ->     AGAINST ('>数据库 +MySQL' INBOOLEAN MODE);
      +----+---------------+-----------------+
      | id| title          | body            |
      +----+---------------+-----------------+
      |  3 | MySQL完全手册  |学习MySQL的一切    |
      +----+---------------+-----------------+
      1 rowin set (0.00 sec)
      

3，查询扩展模式，比如要搜索数据库，那么MySQL，oracle，DB2也都将会被搜索到，

mysql> SELECT * FROM articles
        ->     WHERE MATCH (title,body)
        ->     AGAINST ('数据库' WITH QUERY EXPANSION);
+----+------------------+--------------------------------------+
| id| title            | body                                 |
+----+------------------+--------------------------------------+
|  1 | 数据库管理        | 在本教程中我将向你展示如何管理数据库       |
|  4 | 数据库与事务处理   | 系统的学习数据库的事务概论               |
|  2 | 数据库应用开发     | 学习开发数据库应用程序                  |
|  5 | NoSQL 精髓       | 学习了解各种非结构化数据库               |
|  6 | SQL 语言详解      | 详细了解如果使用各种SQL                 |
|  3 | MySQL完全手册     | 学习MySQL的一切                        |
+----+------------------+--------------------------------------+
6 rows in set (0.01 sec)

当然，我这里只是功能演示，更多的性能测试，大家有兴趣可以进行详细测试。由于N-grm是中文检索常用的分词算法，已经在互联网大量使用，这次集成到MySQL中，想必效果上不会有太大的问题。

原文地址:点击打开链接